图像识别方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105512664A(43)申请公布日2016.04.20(21)申请号201510881619.2(22)申请日2015.12.03(71)申请人小米科技有限责任公司地址100085北京市海淀区清河中街68号华润五彩城购物中心二期13层(72)发明人张涛汪平仄张胜凯(74)专利代理机构北京三高永信知识产权代理有限责任公司11138代理人鞠永善(51)Int.Cl.G06K9/46(2006.01)权利要求书3页说明书11页附图8页(54)发明名称图像识别方法及装置(57)摘要本公开是关于一种图像识别方法及装置。其中，该方法包括：提取待识别图像的方向梯度直方图特征，调用adaboost分类器对所述待识别图像的方向梯度直方图特征进行识别，得到识别结果，其中，所述adaboost分类器预先基于adaboost训练流程对样本图像的方向梯度直方图特征进行分类训练获得。由于将方向梯度直方图特征作为adaboost训练中的特征，既利用了adaboost快速的特点，又融合了方向梯度直方图比较好的描述轮廓特征的特点，因此提取待识别图像的方向梯度直方图特征，调用adaboost分类器对待识别图像的方向梯度直方图特征进行识别，实现了快速、高精度的图像识别。CN105512664ACN105512664A权利要求书1/3页1.一种图像识别方法，其特征在于，包括：提取待识别图像的方向梯度直方图特征；调用adaboost分类器对所述待识别图像的方向梯度直方图特征进行识别，得到识别结果，其中，所述adaboost分类器预先基于adaboost训练流程对样本图像的方向梯度直方图特征进行分类训练获得。2.根据权利要求1所述的方法，其特征在于，所述样本图像包括：人体样本图像以及非人体样本图像；所述adaboost分类器为用于人体检测的adaboost分类器；所述识别结果为所述待识别图像的人体识别结果。3.根据权利要求1或2所述的方法，其特征在于，所述样本图像的方向梯度直方图特征为经过线性判别分析映射的方向梯度直方图特征；所述方法还包括：对所述待识别图像的方向梯度直方图特征进行线性判别分析映射，得到所述待识别图像经过线性判别分析映射的方向梯度直方图特征；所述调用adaboost分类器对所述待识别图像的方向梯度直方图特征进行识别，得到识别结果包括：调用所述adaboost分类器对所述待识别图像经过线性判别分析映射的方向梯度直方图特征进行识别，得到识别结果。4.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：获取原始图像；对所述原始图像按多种缩放比例进行缩放，得到多张缩放图像；对所述多张缩放图像进行识别区域的划分，得到所述多张缩放图像各自的各个识别区域，每个识别区域为一张待识别图像；其中，所述调用adaboost分类器对所述待识别图像的方向梯度直方图特征进行识别，得到识别结果包括：调用所述adaboost分类器对每个识别区域的方向梯度直方图特征进行识别，得到每个识别区域的识别结果；所述方法还包括：根据各个识别区域所在缩放图像相对于原始图像的缩放比例，将各个识别区域调整到相对于原始图像具有相同缩放比例的尺寸，通过将调整后的各个识别区域进行比较，查找出不同识别区域之间，满足重合条件的识别区域，将满足重合条件的识别区域的识别结果进行合并，得到各个识别区域的最终识别结果。5.根据权利要求4所述的方法，其特征在于，所述获取原始图像包括：从摄像设备获得实际场景的拍摄图像；利用预先建立的所述实际场景的场景模型去除所述拍摄图像中的背景，得到所述原始图像。6.根据权利要求4所述的方法，其特征在于，在所述识别结果为所述待识别图像的人体识别结果的情况下，所述方法还包括：对所述各个识别区域的最终识别结果进行统计，得到所述实际场景中的人流量统计结果。7.一种图像识别装置，其特征在于，包括：特征提取模块，被配置为提取待识别图像的方向梯度直方图特征；识别模块，被配置为调用adaboost分类器对所述特征提取模块提取的所述待识别图像的方向梯度直方图特征进行识别，得到识别结果，其中，所述adaboost分类器预先基于2CN105512664A权利要求书2/3页adaboost训练流程对样本图像的方向梯度直方图特征进行分类训练获得。8.根据权利要求7所述的装置，其特征在于，所述样本图像包括：人体样本图像以及非人体样本图像；所述adaboost分类器为用于人体检测的adaboost分类器；所述识别结果为所述待识别图像的人体识别结果。9.根据权利要求1或2所述的装置，其特征在于，所述样本图像的方向梯度直方图特征为经过线性判别分析映射的方向梯度直方图特征；所述特征提取模块还被配置为，对所述待识别图像的方向梯度直方图特征进